/ Модель
Каталог

Характеристики

Контекст
2 048 токенов
Параметры
6,6 млрд
Размер весов
13,5 ГБ
Лицензия
Llama 2
Архитектура
llama · dense
Базовая модель
meditron-7b
Опубликована
10 апр 2024

Ссылки

Hugging Face

meditron-7b-dpo-full-wo-healthsearch_qa-ep3

Minbyul
Генерация текстаТекст → текст3 профессии

Медицинская языковая модель на базе Meditron-7B, дообученная методом DPO для генерации ответов и другого текста.

15скачиваний за 30 дней0лайковвеса обновлены10 апр 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Minbyul/meditron-7b-dpo-full-wo-healthsearch_qa-ep3 — дообученная методом DPO медицинская языковая модель на базе epfl-llm/meditron-7b. Она предназначена для генерации текста; медицинская специализация унаследована от базовой модели, описанной как англоязычная модель для экспериментов с ответами на медицинские вопросы. Модель построена на плотной архитектуре Llama, содержит 6,6 млрд параметров и поддерживает контекст длиной до 2048 токенов.

Для дообучения использован набор предпочтений HuggingFaceH4/ultrafeedback_binarized. README приводит метрики оценки предпочтений, но не описывает конкретные сценарии применения или ограничения качества. Распространяется по лицензии Llama 2.

Сценарии применения

  • генерация ответов на медицинские вопросы на английском языке
  • эксперименты с медицинским диалогом
  • оценка предпочтений ответов языковой модели

Ограничения

README не содержит подробных ограничений и сценариев применения; базовая модель предназначена для экспериментов с медицинскими ответами. Контекст ограничен 2048 токенами.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
IV.4Отраслевые задачиКлиническая медицина и общественное здоровьеAI помогает поддерживать диагностику, лечение, наблюдение и организацию медицинской помощи.45 задач2 635моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейIV.5Отраслевые задачиОбразование и развитие навыковAI помогает персонализировать обучение и снижать административную нагрузку на преподавателей.34 задачи6 641модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

meditron-7b-dpo-full-wo-healthsearch_qa-ep3

This model is a fine-tuned version of epfl-llm/meditron-7b on the HuggingFaceH4/ultrafeedback_binarized dataset. It achieves the following results on the evaluation set:

  • Loss: 0.6786
  • Rewards/chosen: -0.0040
  • Rewards/rejected: -0.0362
  • Rewards/accuracies: 0.6245
  • Rewards/margins: 0.0322
  • Logps/rejected: -1242.8666
  • Logps/chosen: -1081.9209
  • Logits/rejected: -0.7759
  • Logits/chosen: -0.8007

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 5e-07
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 4
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 64
  • total_eval_batch_size: 32
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 1

Training results

Framework versions

  • Transformers 4.39.0.dev0
  • Pytorch 2.1.2
  • Datasets 2.14.6
  • Tokenizers 0.15.2

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
5ee2b17

0 моделей

    Создать бенчмарк